關于對市場推廣工作的定位丶市場推廣需要考慮的綜合因素丶推廣節奏與ROI的把握以及常見的市場推廣渠道策略等內容,大家可以參考之前一篇文章:《電子商務市場推廣實戰策略分享(一)系統性理解市場推廣工作》http://m.qdxinzhong.com/info.aspx?id=1480
當市場推廣計劃開始執行,通常是非常具體且瑣碎的工作,你需要建系統丶定策略丶談媒體丶做創意丶定合作丶測試丶數據分析與優化等等……
本篇主要介紹對于市場推廣監測體系的建立,因為這是衡量績效的標桿,而如果技術團隊中沒有對此系統的實踐經驗,大部分需要市場推廣的業務人員來進行需求的提出與規劃,所以這是首當其沖的一件事情。
可能不同于大部分的資訊網站,對于監測只需在頁面上掛上Google Analytics或者百度統計第三方統計軟件基本上就萬事大吉了。而在線銷售網站可以獲得更多的更貼近于業務的數據都可以通過技術手段獲取到,所以大多需要建立適合自己的市場推廣監測體系來統計分析數據以此來改進。
電子商務網站市場推廣監測系統的功能模塊
監測系統在技術層面大體包括以下幾個部分:
1) 流量及業績跟蹤模塊
這個是統計的核心模塊,目前比較通用的是基于記錄訪客瀏覽器cookies為基礎來統計“最后一次點擊進入網站的渠道來源,被認為是業績的貢獻者”
2) 渠道管理模塊
增加丶減少媒體或者渠道的功能;
3) 報表模塊
按照你所需要的數據參數丶按照不同的維度進行數據統計,可以按時間段統計丶按渠道統計等;
對于一般媒體的投放,這三個模塊基本可以實現對業績的跟蹤。而如果要做網站聯盟推
廣的話,又需要增加如下幾塊;
4) 訂單信息傳輸
這部分用于和合作伙伴(第三方聯盟平臺)進行數據傳輸,以支持其反饋數據給聯盟會員
5) 結算系統
自動化計算合作伙伴及聯盟會員傭金丶配合支持內部財務流程;
6) 聯盟會員注冊系統
這部分其實是對應于“渠道管理模塊”,可支持自建聯盟的會員在前臺自主注冊;
7) 素材管理系統
廣告創意管理;
上述核心模塊已基本支持對外推廣的數據統計,那么接下來另外一塊就是,監測的指標項。
電子商務網站應該監測那些數據(市場推廣相關)指標
在線銷售相比于傳統銷售模式,在消費者數據收集方面有了天生的優勢。整個在線銷售的過程有數百上千種用戶行為數據可以被收集和使用,而在市場推廣的環節,我們將聚焦于其中某一些指標,大體上分為兩大類:
第一丶流量指標組
1) UV
2) PV
第二丶銷售數據指標組
1)收訂金額(新用戶/老用戶)
2)收訂訂單數(新用戶/老用戶)
3)有效銷售額(新用戶/老用戶)
4)有效訂單數(新用戶/老用戶)
5)轉化率(訂單數/UV丶訂單數/PV)
6)單均金額/單用戶金額
7)注冊會員數
8)購買會員數
這一部分數據是在初期的統計系統的基本數據,直接收集或簡單處理即可得到。除此之外,有其他大量的數據需要依托上述數據以及訂單系統/ERP/服務器日志等的各種數據進行組合丶交叉抽取可得到,包括從商品品類維度丶時間維度丶用戶維度丶推廣渠道維度等多種維度進行挖掘,對應適用于各自適合的業務塊。
關于數據分析
電子商務網站的數據分析意義重大已經是廢話,以amazon為代表的數據驅動的精細化運營被我們頂禮膜拜,諸如【亞馬遜:網頁慢0.1秒=客戶活躍度降1%】的新聞不絕于耳,但當前國內甚至全球能達到這種水平的企業屈指可數,顯然我們處于初級階段。
良好的數據驅動運營涉及面廣泛,對各種資源的整合及需求也非常高,例如數據樣本量積累丶人才丶資源丶數據分析在組織內的重視程度等因素決定,所以我們不能指望新創電商能夠吧數據驅動做的很強,但必須重視,我強調幾個方面:
第一丶 數據源的準確性;
所謂“差之毫厘失之千里”,源數據的準確程度在經過放大后,對結果的影響會非常大,而很多人常常拿著錯誤的數據進行分析,先不說對數據分析的能力如何,結果可想而知了;
第二丶 科學的分析方法及專業態度
科學的電子商務數據分析不說是高精尖,但絕對算是有難度的交叉學科,對數據挖掘丶統計學丶網站運營丶電子商務業務等領域如果涉獵不深或者只知皮毛的話,做好這項工作難度很大。而公司數據分析人員的部署,也是以各部門數據分析人員獨立粗在的方式常見。
第三丶 對于數據結果“橫看成嶺側成峰”,多角度理解指標
經常會遇到大家會對某個數據表達不同的觀點,其實一個數據從不同的角度有不同的意義,把數據放在不同的前提條件下,可能會更加有意義;
例如:A網站整站訂單轉化率是3%(訂單數/UV),B網站整站訂單轉化率5%,這個數據分別有什么意義?我們并不能下定結論就認為A網站比B網站運營更差對吧?當然,第一個事實是:A網站轉化率確實低于B網站,而在這背后可能意味著什么呢?
1)A丶B網站的總銷售額對比如何?
2)A丶B網站各自的增長速度如何?
3)A丶B網站銷售的產品是不是不同丶客單價是否不同?
4)A丶B網站的新老用訪客占比有多大差異?
5)A丶B網站的UV流量成本差異有多大?
……
再比如重復購買率這個指標,之前有在微博上看到大家在討論這個指標是如何計算的,各家網站各有說辭且看上去都并無道理,所以同理對待。
第四丶 數據分析結果的使用
數據分析的核心目的之一是得到用于優化的數據參考,但大部分的數據研究成果都在研究人員的報告里或者大腦里,成果不能被很快的用于業務的改進可能是因為公司高層的支持不夠也可能是由于業務的復雜性使得讓數據成果去驅動業務優化舉步維艱,但是既然得出看似很棒的結果,為什么不小規模使用后再放大呢?
對于數據統計與分析的指導文章很多,但這領域實在是實踐出真知,所以動手才是王道。
可用的流量體系外部工具
除了我們自建的指標監控系統之外,一般情況下,大家都會同時使用其他外部的監測工具以作配合和補充。例如:
流量統計工具:
Google Analytics: http://www.google.com/analytics/
百度統計:http://tongji.baidu.com/
淘寶量子統計:http://lz.taobao.com/
同行數據監測工具:
Alexa:http://www.alexa.com/
百度指數:http://index.baidu.com/
Google Trends http://www.google.com/trends
媒體監測與投放
DoubleClick Ad Planner http://www.google.com/adplanner/
梅花網adm:http://www.meihua.info/adm/
99click http://www.99click.com/
SEO/SEM工具
Google 站長工具(Google Keywords tool等):
https://www.google.com/webmasters/tools/home?hl=zh-CN
百度關鍵詞工具(推廣賬戶可用)
Omniture http://www.omniture.com/zh
愛站http://www.aizhan.com/
上述工具部分功能有些交叉,可依據習慣以及業務需求丶合作伙伴資源等因素按需使用,每塊都有大量的工具,而且功能幾乎超乎想象,加上自己站內的統計系統,基本的數據監測體系已經建立起來。